云与基础设施
模型免费扩散，带动 GPU、存储、网络、数据库和模型管理平台消费。最适合拥有云业务的公司。
当前判断
开放权重正在把模型从“独占产品”变成“可替换原料”
模型越容易获得，单纯依靠权重稀缺性收租越难；价值更可能迁移到算力、托管、数据、后训练、工作流、验证与责任层。但这不是“开源必胜”：若闭源模型持续保持显著能力领先，或开放模型的总拥有成本与治理成本过高，闭源仍能保留高价值任务与价格溢价。
最容易犯的错误，是把“开源”“开放权重”“免费商用”当成同一件事。它们分别回答三个不同问题：技术材料开放到哪一层、使用者获得哪些权利、商业价值如何分配。
THE THREE-LAYER MAP
先把三个概念分开
开放程度是一条连续谱，不是“开源/闭源”二选一。
| 类型 | 使用者通常获得 | 通常拿不到 | 核心交换 |
|---|---|---|---|
| 闭源模型 | 网页产品或 API 的使用权 | 权重、训练代码、数据、完整训练流程 | 以控制权换便利、前沿能力和原厂维护 |
| 开放权重 | 最终权重、推理代码、部分技术报告与微调能力 | 完整训练数据、数据清洗链、完整训练代码、后训练配方与中间存档 | 以部署和治理责任换数据控制、可定制性与供应商选择权 |
| 完全开源 | 尽可能完整的数据、代码、权重、中间存档、评测和复现材料 | 仍可能受版权、隐私、算力可得性限制 | 以最大透明度换社区复现、改进与知识扩散 |
事实边界
当前市场上被称为“开源”的多数前沿模型，严格说属于不同开放程度的 Open Weight（开放权重）。公开最终参数，不等于公开模型如何被训练出来。
LICENSE IS STRATEGY
权重决定能不能运行，许可证决定能不能做生意
判断开放模型不能只看“能否下载”，还要逐条检查：
商用权
是否允许免费商用；超过收入或用户门槛后是否需另行授权。
是否允许免费商用；超过收入或用户门槛后是否需另行授权。
修改与再分发
能否微调、发布衍生模型，衍生作品是否继续受原协议约束。
能否微调、发布衍生模型，衍生作品是否继续受原协议约束。
竞争限制
是否禁止利用输出或权重训练竞争性模型。
是否禁止利用输出或权重训练竞争性模型。
品牌义务
是否要求展示模型名称、保留版权声明或通过官方认证。
是否要求展示模型名称、保留版权声明或通过官方认证。
机制判断
一种正在形成的折中：小规模开放，大规模价值捕获收费
宽松协议有利于扩散，分层许可则试图在不阻挡开发者和中小企业的前提下，向大型 MaaS、云平台或超大产品收取授权费。它能否成为稳定模式，取决于许可证的跨国执行力、模型的不可替代性，以及替代模型是否足够多。
HOW OPEN MODELS MAKE MONEY
开放权重不等于放弃商业化
免费的是模型文件，不一定是把它变成生产系统的过程。
私有部署与定制
企业为数据清洗、系统适配、安全评测、推理优化、权限治理和长期维护付费。
后训练平台
围绕微调、强化学习、合成数据、评测、版本管理和模型路由收费。
API 与订阅
即使权重可下载，许多客户仍会为原厂托管、低运维成本和持续升级购买 API。
MaaS 授权与认证
第三方推理平台为商用许可、官方支持、精度一致性和性能认证付费。
生态与人才
开放可以换取开发者采用、基础设施适配、研究反馈和人才吸引力，间接降低研发与分发成本。
不要混淆
下载量、Token 调用量和模型公司收入不是一回事。云厂商自行部署开放权重时，产生的调用可能只给云和 GPU 带来收入；只有原厂 API、部署服务、许可或其他商业合同才能直接形成模型公司的现金流。
PROFIT POOL MIGRATION
开放改变的不是价值总量，而是利润落点
| 产业层 | 开放权重的可能影响 | 需要验证的经营指标 |
|---|---|---|
| 芯片与算力 | 部署主体增加，推理与微调需求扩大 | 利用率、单位推理成本、资本回报、折旧压力 |
| 云与 MaaS | 多模型托管和路由需求增加 | 模型服务毛利、客户留存、价格竞争 |
| 基础模型 | 权重稀缺性下降，API 价格承压 | 付费转化、API 毛利、许可收入、研发现金消耗 |
| 后训练与控制层 | 企业需要定制、评测、权限、审计和可观测性 | 部署周期、维护成本、扩张收入、切换成本 |
| 工作流与结果层 | 模型可替换后，数据、流程嵌入、验证和责任更稀缺 | 任务成功率、人工接管率、每成功任务全成本、结果责任 |
开放权重降低了获得智能的门槛，但没有降低把智能变成可靠生产力的全部成本。
因此，开放模型强化了 jaiv1 的既有方向：价值可能由 Token 向 Action → Workflow → Outcome 迁移。模型成为原料后，真正的护城河更可能来自企业数据、工作流所有权、分发、评测、权限、结果验证与责任承担。
ENTERPRISE DECISION
企业不是选择信仰，而是在选择成本与控制权
| 条件 | 更偏闭源 API | 更偏开放权重 |
|---|---|---|
| 任务难度 | 需要最强前沿能力、长任务稳定性和原厂快速升级 | 任务稳定、可评测、可被专用模型承接 |
| 调用规模 | 调用量较低，自建固定成本不划算 | 调用量大且稳定，自建优化可能摊薄成本 |
| 数据约束 | 数据可离开企业环境 | 隐私、合规或主权要求必须本地控制 |
| 工程能力 | 缺少模型运维、安全和推理优化团队 | 具备部署、评测、监控、升级和容灾能力 |
| 供应风险 | 可接受单一供应商依赖 | 必须保留可迁移、离线运行或多模型替换能力 |
更可能的现实形态
不是开放模型完全替代闭源模型，而是分层路由：高难度和低频关键任务使用最强闭源模型；高频、可控、数据敏感的任务使用开放模型；企业用统一控制层连接两者。
RISKS & FALSIFIABILITY
开放模型的五个真实边界
总拥有成本
权重免费不代表 GPU、电力、运维、安全、容灾和升级免费；低调用量企业可能买 API 更便宜。
权重免费不代表 GPU、电力、运维、安全、容灾和升级免费；低调用量企业可能买 API 更便宜。
能力差与可靠性
Benchmark 接近不代表复杂工作流、工具调用、错误恢复和缺陷承认达到同一水平。
Benchmark 接近不代表复杂工作流、工具调用、错误恢复和缺陷承认达到同一水平。
生态碎片化
架构、许可证、推理框架和量化方案分裂，可能把模型锁定变成工具链锁定。
架构、许可证、推理框架和量化方案分裂，可能把模型锁定变成工具链锁定。
安全责任转移
本地部署后，权限、越狱、日志、安全补丁和法律责任更多由部署者承担。
本地部署后，权限、越狱、日志、安全补丁和法律责任更多由部署者承担。
“主权”幻觉
拥有权重不等于完全自主，企业仍可能依赖 GPU、CUDA、云、推理框架和外部更新。
拥有权重不等于完全自主，企业仍可能依赖 GPU、CUDA、云、推理框架和外部更新。
许可证执行
分层收费能否成立，取决于跨国执行、衍生模型界定及原模型是否不可替代。
分层收费能否成立，取决于跨国执行、衍生模型界定及原模型是否不可替代。
什么证据会推翻当前判断
- 闭源模型长期保持巨大且无法追赶的能力与可靠性差距。
- 开放模型的企业总拥有成本长期高于同能力闭源 API。
- 开放模型因安全与合规要求无法进入关键生产流程。
- 基础模型公司持续依靠独占能力获得高毛利、强留存和低替换率。
- 开放生态因许可证和技术碎片化无法形成规模协同。
后续传感器
- 开放权重模型在企业生产工作负载中的真实份额，而非下载量。
- 同任务下开放部署与闭源 API 的总拥有成本、延迟和成功率。
- 基础模型公司的 API 毛利、许可收入和研发现金消耗。
- Agent 的人工接管率、失败率及每个成功任务全成本。
- 大型企业从单模型 API 转向多模型控制层的合同与留存证据。
SOURCE STATUS
材料与证据边界
二级材料
硅谷101：《从 DeepSeek、Kimi 到“黄仁勋联盟”：AI模型开源，到底“开”了什么？》
2026-08-13 发布，23 分 11 秒；采访嘉宾为前 Hugging Face 亚太生态负责人王铁震、TinyFish 联合创始人 Keith Zhai。原视频：BV1KBgE6xEqf。
本页吸收其机制框架，不把视频中的新模型名称、联盟成员、公司收入、License 门槛等具体说法直接当作一手事实。具体许可证、技术开放范围和公司经营数字，仍须回到官方 License、技术报告、公司公告与财务文件逐项核验。
网站处理：更新
入站理由：该材料提供了“开放层次—许可证—商业化—利润池—安全责任”的完整机制链，实质补足 jaiv1 对模型层商品化与价值迁移的解释，因此新增为独立模块；不调整已关账的 F-01～F-05。